Automatización

Adquisición de datos

El servidor web se desplegará en Google Cloud Run y se programará para obtener los datos relevantes de Iron Hand repetidamente, cada hora. Cargará los datos de APY en un formato legible.

Ingestión y preprocesamiento de datos

Para iniciar el proceso de entrenamiento del modelo, se cargará y preprocesará el archivo legible en GCS con el fin de preparar datos de alta calidad para el entrenamiento. En la fase de preprocesamiento se limpiarán los datos, se realizará ingeniería de rasgos para generar nuevos rasgos que mejoren el poder predictivo del modelo, se normalizarán los datos, se dividirán los datos en conjuntos de entrenamiento, validación y prueba, etc.

Ajuste de los hiperparámetros

Ajuste de hiperparámetros como el número de neuronas, la función de activación, la tasa de aprendizaje, el tamaño del lote, la función de pérdida, las épocas, etc. para aumentar el rendimiento del modelo.

Formación del modelo

En esta fase se define el modelo LSTM, se entrena, se realizan predicciones y se evalúa el modelo.

Evaluación del modelo

Utilice el conjunto de pruebas para evaluar el rendimiento del modelo y asegúrese de que el rendimiento del modelo supera el umbral determinado, guárdelo en GCS.

Despliegue del modelo

Despliegue el modelo guardado para servir datos de predicción.

Supervisión continua

Supervise la salud y el rendimiento del modelo desplegado y establezca alertas para cualquier anomalía o desviación en el rendimiento del modelo.

Retroalimentación y reeducación

Si la fase de supervisión detecta una desviación o una disminución del rendimiento, vuelva a entrenar el modelo.